急诊管理_ARIMA_Holt_Winters_TBATS_神经网络_每小时就诊量预测数据2014_2017

数据集概述

本数据集为医院急诊每小时就诊量预测研究的补充数据，包含2014年1月至2017年8月爱荷华州某医院急诊就诊量的时间序列数据，用于对比ARIMA、Holt–Winters、TBATS及神经网络四种预测方法的性能，为急诊管理决策提供数据支持。

文件详解

• 文件名称：Supplementary file 1.xlsx
• 文件格式：XLSX
• 字段映射介绍：未提供具体字段预览，推测包含急诊每小时就诊量原始数据、各预测模型的输入输出结果及性能评估指标（如均方根误差、平均误差等）。

数据来源

论文“Forecasting hourly emergency department arrival using time series analysis”

适用场景

• 急诊资源调度优化：基于每小时就诊量预测结果，合理安排医护人员排班与医疗设备配置。
• 医疗服务质量提升：通过精准预测缓解急诊超容量运营问题，改善患者就医体验。
• 时间序列预测方法对比：对比ARIMA、Holt–Winters等模型在医疗时序数据上的预测性能。
• 医院运营管理决策支持：为急诊管理系统开发提供数据基础，辅助制定动态调整策略。